Разница между ИИ, машинным обучением и глубоким обучением

Технологический мир . В последние годы, наряду с взрывом промышленной революции 4.0, такие термины, как искусственный интеллект (ИИ), машинное обучение и глубокое обучение, постепенно становятся популярными и становятся понятиями, которые должны понять граждане эпохи 4.0.

Взаимосвязь между этими тремя концепциями можно объяснить, представив их как круги, где ИИ — самая ранняя идея — является самым большим кругом, за ним следует машинное обучение — концепция, которая следует за ним, и, наконец, глубокое обучение — которое движет текущим. AI стрела – это самый маленький круг.

Построить систему ИИ, конечно, чрезвычайно сложно, но понять ее не так уж и сложно. Большинство нынешних искусственных интеллектов — это просто действительно хорошие машины для угадывания (похожие на наш мозг). Вы даете системе группу данных (например, цифры от 1 до 10) и просите систему создать модель (x + 1, начиная с 0) и сделать прогнозы. (Следующее число будет одиннадцать). В этом нет никакой магии, это то, что человеческий мозг делает каждый день: использует то, что мы знаем, чтобы делать предположения о неизвестном.

Что отличает ИИ от других компьютерных программ, так это то, что вместо создания конкретных программ для каждого случая мы можем полностью обучать ИИ (машинному обучению), а также он имеет возможность автоматического глубокого обучения. Эти три понятия можно в основном определить следующим образом:

Искусственный интеллект (ИИ):  машина, которая может имитировать поведение и мышление человека.

Машинное обучение:  функция ИИ, которая позволяет экспертам обучать ИИ распознавать шаблоны данных и делать прогнозы.

Глубокое обучение:  небольшой метод машинного обучения, позволяющий машинам обучаться самостоятельно.

Конкретная концепция

Искусственный интеллект — человеческий мозг в виде машины

ИИ можно определить как отрасль информатики, которая занимается автоматизацией интеллектуального поведения. ИИ является частью информатики, и поэтому он должен основываться на надежных, применимых теоретических принципах в этой области. Проще говоря: это интеллект машин, созданный людьми. Этот интеллект может думать, думать, учиться, ... подобно человеческому разуму. Обрабатывайте данные на более крупном, более масштабном, систематическом, научном и более быстром уровне, чем люди.

Однако в настоящее время технология ИИ все еще очень ограничена. Например, Alexa — отличная домработница, одна из самых популярных икон приложений искусственного интеллекта, но до сих пор не может пройти тест Тьюринга.

Короче говоря, то, что мы делаем с ИИ сегодня, находится в концепции «узкого ИИ». Эта технология способна выполнять определенные задачи так же или лучше, чем люди. Примеры «узкого ИИ» на практике включают технологию классификации изображений Pinterest или распознавание лиц для отметки друзей на Facebook.

Эти технологии представляют собой некий аспект человеческого интеллекта, но как это может быть? Откуда такая мудрость? Давайте перейдем к следующему кругу: машинное обучение.

Машинное обучение — подход ИИ

Машинное обучение — это широкий термин, который относится к тому, как вы обучаете компьютер улучшать выполняемую им задачу. В частности, машинное обучение относится к любой системе, в которой производительность компьютера при выполнении задачи повышается после многократного выполнения этой задачи. Другими словами, самая основная способность машинного обучения — использовать алгоритм для анализа доступной информации, извлечения уроков из нее, а затем принятия решения или прогноза относительно чего-то связанного. Вместо создания программного обеспечения с подробными инструкциями и действиями для выполнения конкретной задачи компьютеры «обучаются», используя большие объемы данных и алгоритмы, чтобы научиться выполнять задачу.

Без машинного обучения современный ИИ был бы довольно ограниченным, потому что он дает компьютерам возможность разбираться во всем без явного программирования. В качестве примера типа машинного обучения предположим, что вы хотите, чтобы программа могла идентифицировать кошек на картинках:

• Во-первых, вы даете ИИ набор кошачьих характеристик для распознавания машиной, таких как цвет шерсти, форма тела, размер и т. д.
• Затем вы отправляете некоторые изображения в ИИ, где некоторые или все изображения могут быть помечены как «кошка», чтобы машина могла более эффективно выбирать функции и детали, связанные с кошками.
• После того, как машина получила все необходимые данные о кошке, она должна знать, как найти кошку на картинке: «Если изображение содержит определенные детали X, Y или Z, вероятность найти кошку на картинке составляет 95 %. ... Может быть, это кошка».

В целом применение машинного обучения сегодня крайне популярно и его полезность неоспорима.

Глубокое обучение — техника машинного обучения

Можно сказать, что к настоящему времени ИИ добился больших успехов. Думайте об этом как о своего рода машинном обучении с глубокими «нейронными сетями», которые могут обрабатывать данные так же, как человеческий мозг. Основное отличие здесь в том, что людям не нужно будет учить программу глубокого обучения тому, как выглядит кошка, а просто дать ей все необходимые картинки кошек, и она сама со всем разберется, самообучаясь. Шаги, которые нужно сделать, следующие:

• Дайте машине много фотографий кошек.
• Алгоритм проверит изображение, чтобы увидеть общие черты и детали между изображениями.
• Каждое изображение будет детально расшифровано на многих уровнях, от больших общих форм до все более мелких плиток. Если фигура или линии повторяются много раз, алгоритм пометит их как важное свойство.
• Проанализировав достаточное количество необходимых изображений, алгоритм теперь знает, какие шаблоны являются наиболее убедительными доказательствами существования кошек, и все, что нужно сделать людям, — это предоставить необработанные данные.

Вкратце: глубокое обучение — это тип машинного обучения, при котором машина обучается сама. Глубокое обучение требует гораздо большего ввода данных и вычислительной мощности, чем машинное обучение, но его уже начали внедрять крупные технологические компании, такие как Facebook и Amazon. Среди них одно из самых известных имен в области машинного обучения — AlphaGo, компьютер, который может играть в го против самого себя, пока не сможет предсказать наиболее точные ходы, достаточные для победы над многими чемпионами мира.

Заключение

Глубокое обучение позволило решить многие реальные машинные проблемы, расширив при этом общую область искусственного интеллекта. Глубокое обучение меняет способы работы людей, делая все виды вспомогательных машин работоспособными, близкими или идентичными людям. Беспилотные автомобили, лучшее здравоохранение… Все это реализовано в наши дни. ИИ — это настоящее и будущее мира. С помощью глубокого обучения ИИ может реализовать научно-фантастическую мечту, которую мы давно себе представляли.